SKILLEMALL.ai
GitHub ↗ EN Войти

BD zero-one-two-three

Система распределения интеллектуальных агентов, основанная на даосской философии Китая, от «Дао» до «всего сущего», реализующая принцип первой причины. Основная концепция: 0+1+2≠3→∞. Оригинальные «Заметки-вдохновение по электронной почте» и «Движок создания знаний для совместной работы человека и машины». Исследование способов монетизации и доставки знаний: вторичное создание контента, шифрование/дешифрование, сгорание после прочтения и т. д. Завершение полного цикла цифрового аватара «создание человека → упаковка → развертывание → монетизация»: управление через WeChat для загрузки души + мозга, мини-программа WeChat с блокировкой + сбор денег + код погашения, однократное распространение и размножение в экосистеме WeChat. Включает коннекторы векторов LangChain (поддержка IMA/Get Notes/Yuque/Feishu), межплатформенное столкновение знаний, автоматическое заполнение рабочего процесса утверждения большими моделями, специальные функции: библиотека, молчание — золото, прорастающие ассоциации, клонирование стиля, голосовой аватар.

машинный переводПоказать оригиналСкрыть оригинал«基于中国道家思维从"道"到"万物"，执行第一性原理的智能体分发系统。核心理念：0+1+2≠3→∞。独创"邮箱灵感笔记"与"人机协作知识创生引…»

基于中国道家思维从"道"到"万物"，执行第一性原理的智能体分发系统。核心理念：0+1+2≠3→∞。独创"邮箱灵感笔记"与"人机协作知识创生引擎"。探索知识资产变现交付方式：知识二创、加密解密、阅后即焚等。完成数字分身胶囊"造人→打包→部署→变现"全闭环：通过微信上操作装灵魂+大脑，小微智能体小程序加枷锁+收钱+兑换码，微信生态一键分发裂变。其中包含 LangChain 向量连接器（支持 IMA/Get 笔记/语雀/飞书）、跨平台知识碰撞、大模型自动填补审批流，特色功能图书馆、沉默是金、发芽联想、风格克隆、语音分身。

ClawHub Agent Skills автор: interccy-stack v1.0.16 MIT-0 20 файлов тело ≈ 4 126 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Система распределения интеллектуальных агентов, основанная на даосской философии Китая, от «Дао» до «всего сущего», реализующая принцип первой причины.

Как процесс D 42/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
42/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • низкая Секреты в коде secret-password-literal knowledge_lock.py:700
    Захардкоженный пароль / ключ (возможно, пример)
    password = sys.argv[3]
  • низкая Секреты в коде secret-password-literal knowledge_lock.py:724
    Захардкоженный пароль / ключ (возможно, пример)
    password = sys.argv[3]
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:115
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    - 🧠 **默认**：`para…-v2` (HuggingFace，首次自动下载~400MB)
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:427
    Строка, похожая на токен (может быть id, хеш или секрет)
    🧠 加载嵌入模型：para…-v2

Просканировано файлов: 19. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Plain value cannot start with reserved character @ at line 4, column 12: namespace: @zero-one-two-three ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "namespace"

Процессный рейтинг: все десять параметров 42/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 4126 токенов
  • 100Шаги. Шагов: 62
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2123 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 260 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 49 заголовков
  • +3Пошаговые инструкции: 62 пунктов
  • +4Есть примеры (24 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its knowledge-management purpose, but it needs Review because some commands can process email, send outbound mail, and persist local file data more broadly than users may expect.
LLM: suspicious (high) · 28 мая 2026 г.